跳至正文返回首页专用 Inception v3 在皮肤病灶分类上胜过大模型，但安全处置取决于阈值
- 研究设计：皮肤科医生 Magnus Lynch 用 200 例病理确诊病灶比较 GPT-6 Astra、Claude Fable 5.1 与微调后的 Inception v3。样本包含六类诊断，其中 100 例不应直接结束随访或治疗，另 100 例为良性；两款大模型都获得临床近照与皮肤镜图像。
- 准确率：CNN 在约 6.8 万张相关图像上微调，测试病灶及同一患者的其他照片在训练、验证前被移除。六分类首选诊断中，CNN 答对 125/200（约 62%），两款大模型答对 84 和 85 例（约 42%）。
- 安全处置：CNN 在预设阈值下放走了 30 例黑色素瘤中的 18 例，两款大模型为 3 和 4 例；调整到相近安全要求后，CNN 的漏放数可降至 1 或 2 例。
- 边界：样本少，仅 30 例黑色素瘤，所有病例都做过活检，较普通筛查样本更难；大模型每例只运行一次；Inception v3 是旧基线而非最先进专用系统。这是一项有限比较，不能推导出消费级工具已具备独立临床诊断资格。
- 行业意义：针对明确任务训练的小模型击败通用模型并不意外，但总体准确率不是唯一判断标准——默认阈值下的漏放风险更直接影响安全。更实际的启示是，通用模型不必直接承担每一项判断，可作为工具编排专用分类器。
🔗 Lynch Lab | HN 讨论